字母logo设计网站,广州交易中心官网,电商平台网页制作,wordpress 大数据备份01、信贷场景中所谓风控是什么#xff1f;
从一个小故事说起#xff1a;
“风控是什么#xff1f;”
“你走过大桥么#xff1f;”
“桥上有栏杆么#xff1f;”
“有”
“你过桥时会扶栏杆么”
“一般不扶”
“那栏杆是不是没必要有呢”
“那还是得有啊#xf…01、信贷场景中所谓风控是什么
从一个小故事说起
“风控是什么”
“你走过大桥么”
“桥上有栏杆么”
“有”
“你过桥时会扶栏杆么”
“一般不扶”
“那栏杆是不是没必要有呢”
“那还是得有啊不然我可能会掉下去”
——那么风控就类似桥上的栏杆拥有风控金融才会有所保障更加安全。
风控部门是金融业务的核心部门而从事风控行业的人即称之为风险管理者风控就是这些风险管理者通过采取各种措施管理业务的风险将风险控制在合理的、可承受的范围内。
为什么说要将风险控制在合理的、可承受的范围内而不是通常理解的尽量避免或杜绝可能发生的风险事件呢
这就要说到风控要解决的第一个核心问题平衡好风险和资产规模一般指在贷余额或AUM。
如果要完全规避风险最简单的做法就是你拒绝所有的客户那么你的资产逾期一定是0但这样又有什么意义呢风险管理的重点在于管理而管理的最终目标不是“风险”而是“收益”。
通过率过高会导致业务规模的快速扩张但逾期指标也会相应提高带来难以承担的坏账损失通过率过低尽管可以保证客群的质量但整体业务规模过小相应的收益绝对值也较小所以风控的首要目标就是尽力找到边际效应为0的点达到收益最大化如何实现这就是风控的学问之所在。 风控要解决的第二个核心问题是平衡好机器和人的作用。
现在各行各业都在讲数字化转型风控也不例外传统风控主要以人力为主包括人工审核、人工催收等等而量化风控则是依赖大数据和智能化的手段来给风控赋能比如通过引入风控模型来辅助策略的制定通过搭建智能风控系统来提高业务效率和用户体验等等现如今AI技术的迅猛发展更是给风控的未来带来了无限可能。不难看出量化风控是未来必然的发展趋势。
当然这不意味着人力就会被取代二者各有利弊机器的优势在于可以24小时不间断工作不会疲惫和懈怠、成本相对低、标准统一、工作不带感情、客户体验也好缺点是可能出现系统或机器bug、识别不出来特殊情况下的异常情况、需要人来提前配置好。人的优势在于不死板、可以根据业务灵活的调整和优化缺点在于成本高、人得休息效率低以及每个人的标准或感知存在偏差。所以风险管理者需平衡在人与机器中做好平衡取长补短机器能完成的审核交由机器机器完成不了或无法判断的再由人工介入。
风控岗位薪酬水平 作为金融业务的核心部门风控岗位整体的薪酬水平还是非常可观的上面是BOSS上找到的一些数据统计可以看出在一线城市平均的月薪都能达到10-15k。说明以上统计数据中是包含了大量传统审批和催收等岗位的这些岗位的薪资普遍会低一些如果只统计量化风控的岗位那么得到的数字只会更高。 从收入的分布我们也可以看出风控岗位的年薪中位数大约在17.5w左右随着你的工作年限和资历的增长岗位从初级-中级-高级的晋升整体的薪酬带宽也是非常可观的。 不要以为中位数很难达到因为我们提过前面的统计中是包含了大量传统岗位和初级岗位的从具体的岗位信息来看风控策略分析师其实只要有3年左右的经验年入就已经可以达到30W左右远超中位数的水平了。
我们整理了几个大城市的风控岗位信息感兴趣的同学可以联系科科kk2_fal回复对应“城市”领取。
风控业务流程与岗位架构
在讲风控的岗位架构之前先简单介绍一下风控的业务流程。如下图从客户的申请到获额最后到借款和还款整个流程大致可以分为三个阶段即所谓的贷前、贷中、贷后。
这三个阶段风控的着重点不同工作内容也会存在差异因此在岗位上也会有所区分。此外还有一个特殊的反欺诈部门贯穿在整个信贷业务流程的始终传统的反欺诈可能会包含在贷前的部门中但随着行业对于反欺诈的认识和需求不断强化越来越多的金融机构已经将反欺诈作为一个单独的部门来设立了。 量化风控部门的岗位划分一个维度是刚刚我们介绍的贷前、中、后业务流程的划分另一个维度就是策略偏业务与模型偏技术的划分 量化风控整体都属于金融的中后台岗位策略分析师着重于业务他们是策略的最终制定者尽管贷前、中、后和反欺诈的策略侧重点不同但是整体的逻辑大致是差不多的。
模型工程师则是专精于技术风控的模型岗位相比于互联网行业的程序员、算法工程师对于技术的要求相对低一些主要负责的就是风控评分卡的搭建。当然要把简单的评分卡做好了也不是那么简单的事情而且随着风控数字化转型的不断深化也对于模型工程师有了更多新的要求除了评分卡外越来越多的领域都会引入量化模型来辅助分析如客户流失预警产品精准推荐以及各种反欺诈模型等等。
策略和模型往往需要相互协作策略因为对于业务更了解作为需求方向模型部门提需求而模型部门则负责风控模型的实现部署等等最终策略再综合模型的结果进行最终的策略制定。
无论是策略和模型在量化风控岗位中不可缺少的都是数据分析的能力因此在策略和模型中间也诞生了一个相对基础的岗位风控数据分析这个岗位很适合新人入行先接触到实际的业务环境最终根据自己的专长和兴趣可以选择往业务方向或者技术方向发展。 尽管不同的机构间可能组织架构和岗位的叫法五花八门不太统一但只要基于前面讲的两个维度都可以找到对应的位置。以一个FAL讲师所在的银行为例他们的智能风控部架构如上图所示。
而实际上
策略中心就是做策略的包含贷前中后的策略分析师和反欺诈策略分析师
决策科学中心就是做建模跟数据分析的即我们前面所说的模型部门
风险科技中心就是做产品、管数据库、以及负责策略部署的
资产监测中心则是资产追踪管理偏贷后处置的。
风控岗位发展路径
风控岗位的发展路径和互联网行业一样可以分为专家P方向和管理M方向。
专家方向 学习能力强某一领域专精能独当一面 有好奇心善于探索能反哺业务创造价值 能抗压、责任/压力相对较小 薪资上限可观
管理方向 知识面的广度要求高业务经验丰富有较好的业务判断力 事业心强抗压能力强责任/压力较大 善于沟通和决策 薪资上限较高
以模型岗为例可能工作8年左右就会遇到第一个瓶颈这个时候要么纵向发展在技术上领先于同龄人要么就要横向发展补齐业务知识和管理能力往管理岗位发展。
风控岗位必备技能 量化风控离不开量化两个字因此只要基本的数据处理和代码能力是必须必备的。主要用的比较多的是SQL、Python银行可能会需要用SAS如果工作内容需要做数据报表展示还要用到类似Tableau、PowerBI等数据可视化工具。
在此基础上策略分析师需要了解各种风控指标的计算和分析方法并且能够深刻理解业务能够结合业务场景进行包括但不限于vintage分析、滚动率分析、首逾分析等
而模型岗位则是需要具备完整的建模与模型部署、测试、调优等知识和能力最好能对业务有一定的了解可以更好地理解策略提的需求
数据分析作为基础的岗位大部分时间做的就是SQL取数和数据清洗、数据分析等基础工作可能会涉及到一些简单的建模如果你在这个岗位那就建议什么都学一点懂一点找到自己的兴趣的特长之后再专项发展即可。
FAL长期对外征稿邀请各大风控人士加入我们在风控圈分享你的经验与知识征稿
